日本超商拿量子退火排班:台灣服務業缺工會得救，還是被算得更累？

想像一下便利商店店長的星期日晚上:Excel 開著，LINE 群跳個不停，有人臨時不能上晚班，有人只能接小夜，有人連上六天快爆炸，總公司又要求尖峰時段不能缺人。這不是高科技問題。這是台灣服務業每天的胃痛。

所以，當日本超商開始實測用量子退火來排班，很多人第一反應會是:真的假的，排班也要量子？

老實說，這件事沒有聽起來那麼玄。量子退火不是 IBM Osprey、Condor 那種通用量子電腦路線，也不是 Google Sycamore 展示量子優勢時的閘模型機器。它更接近一種專門解最佳化問題的硬體方法，常見系統像 D-Wave，使用的是超導量子位元，也就是 superconducting flux qubits。這些是物理量子位元，不是經過完整量子錯誤校正保護的邏輯量子位元。這點非常重要。因為只要你把「幾千個 qubits」直接當成「幾千個可靠計算單元」，你就已經被行銷牽著走了。

量子退火的物理核心，是把問題寫成一個能量地形:好的排班是低能量，爛的排班是高能量。系統從一個容易準備的量子狀態開始，慢慢演化，希望靠量子穿隧與熱擾動在複雜地形裡找到低谷。這裡的「量子」不是魔法平行宇宙幫你一次試完所有班表。比較接近的說法是:在某些崎嶇的最佳化問題中，量子穿隧可能比傳統方法更容易穿過局部障礙。但「可能」兩字要畫紅線。今天多數案例仍屬 NISQ 時代，也就是 noisy intermediate-scale quantum:有噪聲、有退相干、沒有完整容錯。你得到的是候選解，不是神諭。

那它為什麼還值得討論？

因為排班剛好是那種讓傳統系統也很痛苦的組合爆炸問題。假設一家店有 20 名員工、三種班別、假日限制、工時上限、技能要求、尖峰人力、個人偏好、勞基法限制，再加上「A 不想跟 B 同班」這種人類社會的小型天災，可能組合數會暴增到荒謬程度。傳統演算法當然能做，從整數規劃到啟發式搜尋都不是新東西。量子退火的賣點，是在某些限制條件很密、搜尋空間很大的情況下，或許能更快找到夠好的解。

注意，我說的是「夠好」，不是「最佳」。

這也是我對這類新聞最警惕的地方。日本超商的實測若只是把排班問題轉成 QUBO 模型，再交給量子退火器或量子退火模擬器跑，工程上很有意思，但它不是通用量子電腦的勝利，也不是量子優勢的鐵證。你必須問:它和傳統最佳化相比快多少？成本多少？排班品質怎麼定義？有沒有把員工偏好當成硬限制，還是只是漂亮地放進懲罰函數裡，最後被營收權重壓過去？

這才是服務業真正的問題。

台灣的「缺工地獄」不只是排班不聰明。它牽涉低薪、輪班傷害、情緒勞動、尖峰需求、管理文化，還有一個常被忽略的事實:很多店不是找不到人，是找不到願意用那個薪資承受那種生活的人。量子退火無法把晚班變得健康，也不會自動讓奧客消失。它能做的，是在既定條件下重新排列壓力。

但排列壓力，本身就有政治性。

如果系統的目標函數寫的是「最低人事成本、最高班表覆蓋率、最少加班費」，那它會成為老闆的新槓桿。班表可能更精準，人的喘息空間也更少。以前店長排得爛，員工還有一點混亂中的縫隙；演算法排得太好，縫隙反而被清掉。這聽起來很冷酷，卻是最佳化系統常見的副作用:它不會問「這樣活得下去嗎？」除非你把這句話寫進限制條件。

反過來，如果設計得夠誠實，量子退火或任何高階最佳化工具確實能幫忙。它可以把連續上班天數、休息間隔、公平分配爛班、員工偏好、臨時請假風險都納入模型。店長不用半夜當人肉求解器，員工也能看到班表規則不是黑箱人治。這不是科幻，這是比較像樣的管理工程。

在 5 到 10 年內，我不認為量子退火會「拯救」台灣服務業。太誇張了。更可能的路徑是:便利商店、物流、醫院護理、餐飲連鎖先用混合式系統，把傳統最佳化、AI 預測需求、少量量子退火求解器接在一起。量子硬體提供一部分搜尋能力，真正落地的價值來自資料乾淨、限制清楚、組織願意承認人不是變數而已。

至於大型量子玩家，IBM 和 Google 還在追求更高 fidelity、更長 coherence time、更可靠的錯誤校正；IonQ 的 trapped ion 路線強在高保真閘與全連接性；Xanadu 走 photonic quantum computing；Rigetti 則在超導閘模型機器上競爭。這些路線若要跑 Shor 演算法破解現代密碼，還需要大量邏輯量子位元，不是今天幾千個物理量子位元就能做到。藥物發現、材料模擬也一樣，前景真實，但時間表常被講得太急。

排班這件小事，反而讓量子技術露出最務實的一面:它不必先改寫密碼學，才有工程價值。

問題是，誰拿它來用？拿來讓員工有比較公平的生活，還是拿來把人力成本擠到最後一滴？量子退火不會替我們回答。它只會很安靜地，把我們寫進模型裡的價值觀算出來。